改进的聚类算法在医学图像分割中的应用论文.docVIP

　　改进的聚类算法在医学图像分割中的应用论文 【摘要】 针对医学图像的特点，设计了一种聚类分析的图像分割算法，并且将遗传算法引入聚类，利用遗传算法的并行性和随机搜索性，从DBSCAN算法出发，针对其局限性提出了一种基于取样的DBSCAN算法及其遗传优化，从而达到较好的分割效果。 【关键词】 医学图像; 聚类算法; 遗传算法; 分割 随着医学技术的发展，有关医学诊断的各种图像在现代疾病辅助诊断中占有相当重要的地位.freel(m=1，… ，K)，也可能有些对象不属于任何一个分割，这些就是噪声Cm。所有这些分割与噪声的并集就是数据集X ，并且这些分割之间没有交集，即：x=c1∪，…,ck∪Ci∩Cj = (i≠j )这些分割Cm就是聚类2。 2 DBSCAN聚类算法 Ester Martin等人提出的DBSCAN聚类算法是一种基于密度的聚类算法。该算法利用类的密度连通性可以快速发现任意形状的类。其基本思想是：对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目。在DBSCAN算法中，发现一个类的过程是基于这样的事实：一个类能够被其中的任意一个核心对象所确定。为了发现一个类，DBSCAN先从对象集D中找到任意一对象P，并查找D中关于半径Eps和最小对象Minpts的从P密度可达的所有对象。如果P是核心对象，即半径为Eps的P的邻域中包含的对象不少于M